版权声明：本文为博主原创文章，未经博主允许不得转载。咨询链接：http://y0.cn/teradat 博文链接： https://blog.csdn.net/qq_19600291/article/details/82151294
在参加一次个性化推荐预测比赛过程中，为了方便观测和比较不同算法预测的结果，“一不小心”就实现了个简单的性化推荐系统。
实现原理是根据以前整理过的原理：《一张图了解个性化推荐算法》
根据用户百万条历史行为数据，包括：
user_id 用户唯一IDitem_id 内容或物品唯一IDcate_id 内容或物品类别IDaction_type 用户行为类型，例如view（点击）、deep_view（深度阅读）、share（分享）、comment（评论）、collect（收藏）等action_time 行为发生时间
可进行：
可使用不同推荐算法（User-CF、Item-CF、热榜、混合），给指定用户推荐其可能感兴趣的内容或物品热榜内容推荐排序支持hackernews算法（解决过热问题）、基于用户行为类型打分（如 分享 > 评论 > 收藏 > 深度阅读 > 点击）给指定用户推荐其他相似行为用户；用户行为统计分析；
个性化推荐系统
推荐相似行为用户
▍需要帮助？联系我们
大数据部落 -中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和
统计分析和数据挖掘咨询服务：y0.cn/teradat（咨询服务请联系官网客服）
QQ：3025393450
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;学术研究。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务
分享最新的大数据资讯，每天学习一点数据分析，让我们一起做有态度的数据人
微信客服号：lico_9e
QQ交流群：186388004
欢迎关注微信公众号，了解更多数据干货资讯！
加入欢迎的我们大数据学习必备利器课程
http://study.163.com/course/courseMain.htm?courseId=1003776041&share=2&shareId=1023497288
